随着无线通信和智能移动终端技术的飞速发展,人们对位置感知服务的要求越来越高,而高精度的室内定位技术是实现位置感知服务的核心。在当前室内环境WAN分布广泛和运用普遍化的今天,使得基于WLAN定位系统成为研究的热点课题。基于位置指纹的WLAN室内定位具有实现简单、成本较低,无需知道AP的位置和发射功率即可实现定位,对额外的硬件设备需求量少等优点,使其在学术界和工业界得到广泛的关注和运用。位置指纹定位技术主要分为两个阶段：采样阶段和定位阶段,当前位置指纹定位技术在实现定位时,在兼顾位置指纹定位算法的精度和效率上还没有相对完善的机制,因此本文针对这个问题对位置指纹定位技术实施优化改进。本文通过分析比较几种典型的位置指纹定位算法,KNN定位算法在时间复杂度和定位精度上都有一定的优势,但是KNN算法在定位时需要耗费巨大的时间与指纹数据库进行比对从而确定K个指纹数据的选取,且由于K的选择是固定的而影响了某些位置处的定位精度。针对KNN定位算法存在的不足,本文提出了一种基于模糊聚类改进的KNN定位算法,对定位环节的庞大指纹数据库运用聚类分析方法实现模糊聚类,继而采用KNN算法实现移动终端的定位。对改进后的位置指纹定位技术性能利用MATLAB仿真实验进行测试,并在Android平台上通过原型系统进行实验验证。最后通过仿真实验分别对传统的KNN算法和改进后的KNN算法进行分析比较,在不影响定位系统其他性能的机制下,最终实验结果表明改进后的位置指纹定位在时间性能和匹配效率上都有极大的提高。